Долгое время считалось, что для сложных задач ИИ нужны гигантские модели. Однако Tencent Hunyuan показала, что узкоспециализированный ИИ может быть эффективнее: компания выпустила модель Hy-Memory-30B-A3B, предназначенную исключительно для управления долгосрочной памятью LLM-агентов.
Hy-Memory-30B-A3B — это модель с примерно 3 миллиардами активных параметров, которая выступает в роли «писателя памяти» для внешних фреймворков, таких как Mem0, MemOS и Hy-Memory. Она самостоятельно решает, какую информацию сохранять, как её представлять и как обновлять банк памяти. В этом процессе модель напрямую заменяет универсальные LLM, обычно используемые для подобных задач, в сценариях чата, работы и кодирования.
Модель продемонстрировала превосходство над Claude Opus 5 и DeepSeek V4.1 Flash в кросс-фреймворковых тестах памяти. В среднем Hy-Memory-30B-A3B набрала 55.49 балла, тогда как Claude Opus 5 показала 54.62, а DeepSeek V4.1 Flash — 53.64. Эти результаты включают тесты на ранее не виденном фреймворке EverMemOS, что указывает на хорошую переносимость.
Для эффективного локального вывода модель доступна в формате GGUF с несколькими уровнями квантизации (уменьшения весов). Разработчики предлагают три версии:
- Q6_K imatrix (24.71 ГБ) — обеспечивает самое высокое измеренное качество.
- Q8_0 (31.99 ГБ).
- Q4_K_M imatrix (18.24 ГБ) — предлагает наименьший размер для загрузки и потребления памяти.
Выпуск Hy-Memory-30B-A3B подтверждает тренд на создание специализированных ИИ-компонентов, которые могут повысить производительность и автономность агентов, при этом оставаясь достаточно компактными для локального развертывания. Однако не сообщается, какой именно "LLM общего назначения" модель заменяет в реальных сценариях, и насколько сложно интегрировать её в существующие системы агентов.